測定値一群の癌患者について、治療前後の転移数を測定した。
変化の性格（少ない転移以上治療後の転移 ）治療の有効性の評価です。
どのような統計 分析実施？
再：測定データを慎重に検討していただきありがとうございます。
ペア測定キャメロンがすでに指摘したように、単純なマッチドペア（前後）は自然なアプローチです。 私を悩ませている唯一のこと（タイミングの欠如は別として）は、転移の数が死亡した2人を除いてすべての患者で減少したということです。 そのため、別の関連分析 - 治療が死を引き起こすかどうかに関する分類モデル - があるかもしれません。 しかし、あなたのサンプルは小さすぎるので、それが当てはまるかどうかについて何かを述べるのに十分な情報はないと思います（何らかのコントロールグループがありますか？）。 それはあなたが持っているデータから、患者が死んだときを除いて治療は転移の数を減らすことを示しています。
再：測定モデルの追加要素（特に時間）に関する注意をよく理解しています。ありがとうございました！
再：繰り返し測定このデータから欠落している時間変数はありませんか？私はそれが彼の測定が行われるときに記録することなく転移の数を測定することがどれほど意味があるかわからない。 それらはすべて治療後に同時に服用されましたか？2人の患者が死亡したことを考えると、データには少なくともある程度の時間的変動（および一部の検閲）があるように思われます。 そのため、マッチドペアアプローチでは、治療によって転移が減少するかどうかのおおまかな見積もりが得られるかもしれませんが、正確な測定が測定のタイミングに関する詳細を知らずに意味があるかどうかはわかりません。
再：測定キャメロン、あなたのアプローチに深く感謝します。
「これらの患者はどのような時系列で記載されていますか？」いいえ！
再：繰り返し測定一致ペアは私が最初に考えることですが、私はあなたが適切な仮定をチェックする必要があります。 beforeカウントに対して差（before-after）をプロットすると、次のようになります。
良い知らせは、この治療法が何であれ、確かにmetstasesの数を減らすようです。 しかし、治療の効果は患者の症例が事前にどれだけ悪いかということの関数でもあるという事実は、テスト/モデルでそれを説明する必要があります。
ワイドフォーマットデータに、差を計算する列を追加します。 これはあなたの返事です。 次に、回帰直線をbefore countまでの差に合わせます。 勾配の項が0.357であることがわかります。これは、既存の転移が追加されるたびに、治療によって平均0.357個のより多くの転移が減少することを意味します。 添付のスクリプトを参照してください。
このアプローチに関する私の唯一の懸念は、独立性プロットです。 これらの患者はどのような時系列で記載されていますか？もしそうなら、特に最後の2人の患者が増加した転移を持つものであるので、そこに問題があるかもしれません。
再：測定ありがとうジム！試してみます
再：繰り返し測定ワイドフォーマットを使ってチェックアウト
分析==>特殊モデリング==>マッチドペア
